STEPA: Aprendizado de Trajetórias Estruturais para Detecção Precoce de Fragilidade em Emissores — Aprendizado Preditivo de Representações para Inteligência Regulatória nos Mercados de Capitais

STEPA: Aprendizado de Trajetórias Estruturais para Detecção Precoce de Fragilidade em Emissores Aprendizado Preditivo de Representações para Inteligência Regulatória nos Mercados de Capitais Deborah Ribeiro Nogueira Yatech Consultoria e Projetos Ltda. — Zayon São Paulo, SP, Brasil · 2026.

Resumo Este trabalho apresenta o STEPA (Structural Trajectory Embedding Predictive Architecture), uma arquitetura de aprendizado preditivo de representações desenvolvida para investigar a detecção precoce de fragilidade estrutural em emissores de valores mobiliários. A proposta parte de uma mudança de perspectiva: em vez de avaliar organizações exclusivamente a partir de estados observados em pontos isolados do tempo, busca representar sua evolução como uma trajetória no espaço de representação e identificar mudanças persistentes nessa dinâmica.

A hipótese central é que informações distribuídas ao longo de documentos regulatórios e outras divulgações públicas podem constituir observações longitudinais de um sistema organizacional. Quando representadas conjuntamente ao longo do tempo, essas observações podem revelar alterações estruturais que não são necessariamente identificáveis por um indicador isolado, por uma classificação pontual de risco ou por uma mudança puramente distribucional.

O STEPA é fundamentado em aprendizado preditivo de representações e toma a trajetória individual do emissor como unidade de análise. Formalmente, uma sequência de estados z_t é organizada em uma trajetória τ_t, cuja divergência em relação a um conjunto contextual de trajetórias de referência R é avaliada ao longo do tempo. O sinal de interesse não é um afastamento pontual, mas a persistência dessa divergência e sua eventual antecedência em relação a um evento externo de fragilidade, datado independentemente pelo protocolo experimental.

O trabalho também estabelece definições operacionais para observação, estado, trajetória, evento de fragilidade, data do evento, conjunto de referência, divergência e persistência, de modo a tornar a hipótese falsificável e evitar circularidade e look-ahead. A formulação pública descreve a finalidade do aprendizado e a estrutura do problema, mas não divulga a função de perda específica, a arquitetura computacional, as variáveis derivadas, os parâmetros, os pesos ou os procedimentos de treinamento proprietários.

O StructureWatch constitui a aplicação do STEPA ao domínio da inteligência regulatória para emissores. Este artigo apresenta a arquitetura, sua fundamentação, o desenho experimental e evidências preliminares, mas não apresenta resultados finais de antecedência, que dependem da conclusão da validação temporal completa.

Palavras-chave: aprendizado preditivo de representações; trajetórias estruturais; fragilidade corporativa; inteligência regulatória; SupTech; análise longitudinal; mercados de capitais.

1. Introdução

A supervisão dos mercados de capitais dispõe de um volume crescente de informações públicas sobre emissores, mas a disponibilidade desses dados não resolve, por si só, o problema da identificação antecipada de fragilidade estrutural. Informações relevantes encontram-se distribuídas ao longo de documentos regulatórios, demonstrações financeiras, fatos relevantes, comunicados e outras divulgações periódicas, muitas vezes apresentando sinais cujo significado depende da evolução conjunta e persistente de diferentes dimensões da organização. O desafio, portanto, não consiste apenas em identificar um estado de risco, mas em compreender como esse estado se forma e se transforma ao longo do tempo.

A dificuldade é particularmente relevante porque eventos de grande impacto raramente podem ser reduzidos a uma única observação. Uma alteração de liquidez, uma mudança na estrutura de financiamento, uma deterioração da geração de caixa ou uma mudança no padrão de divulgação pode, isoladamente, permanecer dentro de uma faixa historicamente observada. O significado desses sinais pode surgir apenas quando considerados em sequência e em relação uns aos outros.

O episódio da Americanas constitui uma referência particularmente relevante para esse problema. Em janeiro de 2023, a companhia divulgou inconsistências contábeis materiais, desencadeando procedimentos de apuração pela Comissão de Valores Mobiliários. Para a presente pesquisa, entretanto, o interesse não está em afirmar retrospectivamente que um determinado sinal seria suficiente para prever o episódio. O caso é utilizado como referência histórica para uma pergunta experimental mais restrita: informações públicas distribuídas em diferentes períodos podem ser transformadas em observações longitudinais capazes de revelar mudanças estruturais antes da manifestação pública de um evento?

Essa pergunta desloca o problema de uma lógica de classificação de eventos para uma lógica de aprendizado de trajetórias. Em vez de perguntar apenas se uma organização está em risco em determinado instante, investiga-se se sua dinâmica estrutural começou a se afastar de uma referência de estabilidade e se esse afastamento permanece observável ao longo do tempo.

É nesse contexto que o STEPA é proposto. A arquitetura parte de princípios de aprendizado preditivo de representações associados à linha de pesquisa de Joint-Embedding Predictive Architectures (JEPA) e ao conceito mais amplo de aprendizado de representações capaz de capturar regularidades do mundo a partir de sua evolução. O problema específico investigado neste trabalho é a transposição desse princípio para séries longitudinais de documentos regulatórios de emissores, tomando a trajetória estrutural como unidade de análise.

O objetivo não é substituir o julgamento de analistas, produzir uma classificação jurídica de fraude ou estimar diretamente a probabilidade de insolvência. O objetivo é investigar se a dinâmica estrutural de uma organização pode ser representada de forma suficientemente informativa para que divergências persistentes sejam identificadas antes de eventos observáveis de fragilidade.

2. Do estado observado à trajetória estrutural

Modelos tradicionais de análise financeira frequentemente trabalham com variáveis observadas em determinado período. Essa representação é útil, mas possui uma limitação quando o fenômeno de interesse é essencialmente temporal: um estado isolado pode ser compatível tanto com estabilidade quanto com uma trajetória de deterioração que ainda não se tornou evidente.

Considere-se, por exemplo, uma organização que apresenta determinado nível de endividamento. O valor isolado pode estar dentro de uma faixa historicamente observada e, portanto, não representar um sinal relevante. Entretanto, se esse mesmo indicador estiver acompanhado por alterações persistentes em liquidez, geração de caixa, estrutura de financiamento, qualidade das informações divulgadas e outras dimensões, sua interpretação pode ser diferente. O significado emerge da sequência e da relação entre as observações, e não de um único ponto.

Figura 1: Estrutura conceitual do STEPA: da observação longitudinal à identificação de divergência estrutural. Fonte: Elaboração própria.

A arquitetura representa observações distribuídas ao longo do tempo como uma trajetória no espaço de representação, permitindo investigar mudanças persistentes em sua dinâmica. O contexto econômico e de mercado é considerado como informação contextual na interpretação da trajetória.

O STEPA parte dessa diferença conceitual. Seu objeto não é simplesmente um vetor de indicadores associado a um período, mas uma sequência de representações que permite estudar como a organização se movimenta em um espaço estrutural ao longo do tempo. A trajetória torna-se, assim, a unidade de análise.

Essa mudança também altera o tipo de pergunta formulada pelo sistema. Um detector de anomalias pode perguntar se determinada observação é incomum; um modelo de distress pode estimar a probabilidade de ocorrência de um evento; um detector de drift pode verificar se uma distribuição mudou entre duas janelas. O STEPA formula uma pergunta diferente: a trajetória individual de um emissor passou a se afastar persistentemente de uma família contextual de trajetórias de referência?

Essa distinção é importante porque uma organização pode não apresentar um ponto extremo em nenhum período isolado e, ainda assim, estar desenvolvendo uma dinâmica estrutural incompatível com sua trajetória anterior. Da mesma forma, uma mudança sistêmica pode deslocar simultaneamente várias organizações sem que isso represente deterioração idiossincrática de cada uma delas.

A proposta, portanto, não é tratar toda mudança como risco. É aprender uma representação na qual seja possível distinguir variações pontuais, mudanças sistêmicas e alterações persistentes da trajetória individual.

3. Evidência motivadora: diferentes formas de fragilidade estrutural

Os episódios recentes envolvendo emissores brasileiros oferecem motivações distintas para o problema de pesquisa. Eles não são equivalentes em natureza, causa ou mecanismo, e não devem ser tratados como se constituíssem uma mesma categoria de crise.

O ponto comum relevante para esta investigação é outro: informações sobre a condição das organizações estavam distribuídas em diferentes períodos e fontes públicas antes que suas situações se convertessem em eventos de grande impacto.

3.1 Americanas: deterioração e inconsistências reveladas posteriormente O episódio da Americanas constitui uma referência importante para o problema de pesquisa porque demonstra como informações corporativas, contábeis e regulatórias podem adquirir novo significado quando analisadas em retrospectiva temporal. Em janeiro de 2023, a Americanas S.A. divulgou fato relevante informando inconsistências contábeis da ordem de R$ 20 bilhões, desencadeando uma série de procedimentos de apuração pela Comissão de Valores Mobiliários (CVM). A Autarquia instaurou, entre outros procedimentos, o Inquérito Administrativo CVM nº 19957.000952/2023-57 para investigar eventuais irregularidades relacionadas às inconsistências divulgadas.

Em atualização publicada em janeiro de 2026, a CVM informou que sua Superintendência de Processos Sancionadores havia concluído, ao final das investigações, que as inconsistências contábeis correspondiam a uma complexa fraude destinada a produzir resultados dissociados da realidade econômico-financeira dos negócios e a manipular os resultados apresentados nas demonstrações financeiras. A conclusão foi apresentada no âmbito de processo administrativo sancionador e não deve ser confundida com a informação disponível no momento da divulgação inicial do evento em 2023.

Para a presente pesquisa, contudo, o interesse não está em reproduzir a explicação causal do episódio nem em afirmar retrospectivamente que determinado sinal teria sido suficiente para prevê-lo. O caso é relevante porque permite formular uma pergunta experimental: informações públicas distribuídas em diferentes períodos podem ser transformadas em observações longitudinais capazes de revelar mudanças estruturais antes da manifestação do evento?

Essa pergunta é mais restrita e cientificamente testável do que a afirmação de que um modelo poderia “prever a Americanas”. O evento serve como referência histórica para avaliar uma hipótese sobre trajetória, e não como demonstração prévia de desempenho.

3.2 Banco Master: eventos associados a investigações e distorções estruturais O caso Banco Master apresenta outra motivação. As discussões e investigações públicas envolvendo o grupo e suas operações mostram a complexidade de situações nas quais aspectos financeiros, institucionais, de governança, avaliação de ativos e transparência podem interagir ao longo do tempo.

Para o STEPA, o interesse não está em classificar retrospectivamente o caso como fraude ou como uma categoria específica de irregularidade. O caso ilustra a possibilidade de que alterações estruturais relevantes possam se manifestar em diferentes tipos de informação antes de assumirem uma forma institucionalmente reconhecida como evento de crise.

Essa distinção é importante para a hipótese: uma arquitetura destinada a aprender trajetórias estruturais não precisa conhecer previamente a causa final da deterioração para investigar se a dinâmica observada se afasta de uma referência de estabilidade.

3.3 Casas Bahia: deterioração financeira progressiva Casos de deterioração financeira progressiva fornecem uma terceira motivação. Neles, a hipótese de antecipação não depende necessariamente da existência de uma irregularidade contábil ou de uma ruptura institucional abrupta. Uma organização pode atravessar períodos sucessivos de pressão financeira nos quais diferentes indicadores e divulgações, considerados isoladamente, apresentem sinais ambíguos.

Esse tipo de situação é particularmente adequado à pergunta do STEPA porque permite investigar se a combinação temporal de alterações constitui uma trajetória reconhecível antes de um evento formal.

3.4 O elemento comum Os três casos são diferentes. O objetivo não é transformá-los em uma classe homogênea de eventos, mas reconhecer uma propriedade metodológica comum: o evento final não contém necessariamente toda a informação relevante sobre o processo que o precedeu.

Essa observação conduz à hipótese central do trabalho:

Se a fragilidade estrutural se manifesta como processo longitudinal, então uma representação adequada da trajetória de um emissor pode conter informação antecipatória que não está presente em observações pontuais isoladas.

4. Pergunta de pesquisa, hipótese e critérios de falsificação

4.1 Pergunta de pesquisa A pergunta central é:

É possível aprender, a partir de documentos regulatórios e outras informações públicas longitudinais, uma representação suficientemente informativa das trajetórias estruturais dos emissores para identificar divergências persistentes antes de eventos observáveis de fragilidade?

A pergunta é deliberadamente mais restrita do que “é possível prever crises?”. O objeto de investigação é a trajetória; o evento externo é utilizado como referência temporal para avaliar antecedência.

4.2 Hipótese A hipótese principal pode ser expressa da seguinte forma:

H1 — Emissores que posteriormente apresentam um evento de fragilidade observável tendem, antes do evento, a apresentar divergência persistente de suas trajetórias em relação a um conjunto contextual de trajetórias de referência, em frequência e antecedência superiores às observadas em emissores sem evento no horizonte de avaliação.

A hipótese possui três consequências testáveis.

Primeiro, se a fragilidade é predominantemente um fenômeno de trajetória, o sinal deve apresentar crescimento ou persistência antes do evento, e não apenas no instante do evento.

Segundo, se alterações sistêmicas são diferentes de deterioração idiossincrática, a incorporação de contexto deve reduzir a interpretação equivocada de choques comuns como sinais individuais de fragilidade.

Terceiro, se o conjunto de referência representa adequadamente trajetórias compatíveis com estabilidade, sinais persistentes devem ser relativamente raros entre emissores que não apresentam o evento definido pelo protocolo.

A hipótese é, portanto, falsificável. Se o sinal aparecer apenas no momento do evento, se não apresentar antecedência consistente ou se ocorrer com elevada frequência entre não-eventos, a hipótese perde sustentação.

4.3 Definições operacionais Os termos centrais são fixados antes da validação. São definições de protocolo, não de implementação.

Observação em t. Informação pública sobre o emissor cuja data de disponibilidade é menor ou igual a t.

Estado. Objeto z_t∈Z associado ao emissor em t, obtido por uma representação ϕ das observações disponíveis em t. A forma específica de ϕ não é objeto desta publicação.

Trajetória - unidade de análise.

τ_t=(z_(t-w+1),…,z_t )∈Z^w.

O objeto científico do STEPA é τ_t, e não z_t isolado.

Evento de fragilidade. Evento externo ao modelo, verificável em fonte pública, pertencente a pelo menos uma classe previamente definida: (i) inconsistências contábeis materiais ou restatement; (ii) recuperação judicial ou falência; (iii) default ou reestruturação de dívida anunciada; (iv) intervenção ou liquidação por autoridade; ou (v) delisting associado a deterioração econômica ou regulatória. Rumores e variações de preço sem correspondente corporativo ou regulatório não constituem, isoladamente, eventos de fragilidade.

Data do evento (t_0). Primeiro instante em que o evento se torna publicamente observável, por meio de fato relevante, decisão publicada ou comunicado oficial. Havendo múltiplas divulgações relacionadas ao mesmo evento, t_0 corresponde à primeira manifestação pública que satisfaz a definição do protocolo.

No caso Americanas, t_0=11/01/2023, data do Fato Relevante que divulgou as inconsistências contábeis. Apurações e conclusões sancionadoras posteriores não redefinem t_0.

Conjunto de referência de estabilidade R. Família de trajetórias pertencentes ao período de treinamento que satisfazem, segundo regra definida previamente ao experimento, a condição de ausência de evento de fragilidade durante um horizonte futuro H. O horizonte H, a regra de inclusão e a data de corte são fixados antes da validação. Informações posteriores à data de corte não podem ser utilizadas para alterar retroativamente a composição de R.

Divergência.

D_t=D(τ_t;R)≥0.

A função D resume o afastamento da trajetória τ_t em relação ao conjunto de referência e pode considerar propriedades de posição, direção e evolução temporal da trajetória. Sua forma fechada e sua parametrização permanecem proprietárias.

Divergência persistente. Propriedade temporal da sequência {D_s }_(s≤t). Um excedente isolado não constitui sinal. A sinalização exige recorrência do afastamento em uma janela de períodos consecutivos, segundo regra definida previamente no protocolo experimental.

Fragilidade estrutural (neste trabalho). Condição latente de deterioração ou alteração relevante da estrutura econômico-financeira, operacional ou informacional de um emissor, que pode anteceder ou associar-se a um evento de fragilidade observável definido pelo protocolo. A existência dessa condição não é determinada pelo sinal do STEPA. O modelo investiga se manifestações longitudinais dessa condição podem ser identificadas por divergência persistente da trajetória τ_t em relação ao conjunto de referência R, com antecedência em relação a t_0.

Essas definições estabelecem uma separação fundamental entre fenômeno, sinal e evento. A fragilidade é uma condição latente investigada; D_t é um sinal produzido pela arquitetura; t_0 é um evento externo utilizado para avaliar a antecedência.

5. Fundamentação científica

5.1 World Models e aprendizado preditivo de representações Uma linha relevante da pesquisa contemporânea em inteligência artificial procura superar representações puramente associativas por meio de modelos capazes de capturar regularidades da evolução de sistemas. Na perspectiva de World Models, a representação não precisa reproduzir todos os detalhes observados; ela deve preservar aqueles aspectos relevantes para compreender e prever a evolução do sistema.

Essa perspectiva é particularmente interessante para problemas nos quais o estado presente é menos informativo do que sua relação com estados anteriores e posteriores. Em sistemas complexos, uma representação útil pode ser aquela que organiza estados de forma a preservar regularidades de sua dinâmica.

O STEPA utiliza esse princípio como fundamento conceitual, mas não assume que uma arquitetura desenvolvida originalmente para outros tipos de dados possa ser simplesmente transferida para o mercado de capitais. O domínio regulatório apresenta características próprias: observações documentais irregulares, observabilidade parcial, heterogeneidade entre emissores e forte dependência do contexto econômico e institucional.

5.2 JEPA como fundamento conceitual As Joint-Embedding Predictive Architectures (JEPA), formuladas na linha de world models e operacionalizadas em visão computacional por Assran et al. (2023), propõem aprender representações nas quais uma parte da informação pode ser predita a partir de outra sem exigir reconstrução integral do dado original. O interesse para o presente trabalho está menos na arquitetura específica e mais na mudança de objetivo: aprender representações orientadas à estrutura preditiva do ambiente (ver também LeCun, 2022).

Essa perspectiva oferece uma pergunta útil para o domínio regulatório: em vez de representar documentos apenas pelo seu conteúdo observado, é possível aprender uma representação que preserve regularidades sobre como o estado de uma organização evolui ao longo do tempo?

O STEPA utiliza essa ideia como ponto de partida, mas não constitui uma simples aplicação de JEPA a dados financeiros. A contribuição investigada está na definição de um novo objeto de análise — a trajetória estrutural do emissor — e na formulação de um protocolo no qual a divergência persistente dessa trajetória é avaliada em relação a eventos externos de fragilidade.

5.3 De aprendizado preditivo a trajetória estrutural A relação conceitual pode ser expressa em cinco níveis:

aprendizado preditivo → representação → trajetória → divergência → antecedência O aprendizado preditivo fornece o princípio para construir uma representação; a sequência dessas representações produz uma trajetória; a trajetória pode ser comparada a uma referência contextual; a divergência pode ser observada ao longo do tempo; e sua persistência pode ser avaliada retrospectivamente em relação a um evento externo.

Essa cadeia é a base conceitual do STEPA. A arquitetura não reivindica que cada elemento isoladamente seja novo. A hipótese está na combinação desses elementos em um problema específico de inteligência regulatória.

6. Trabalhos relacionados

O STEPA está relacionado a diferentes linhas da literatura, mas não coincide integralmente com nenhuma delas. A comparação é mais clara quando se explicita o objeto de análise de cada abordagem.

Abordagem Objeto Pergunta central Detecção de anomalias Observação z_t Isto é raro ou diferente?

Distress prediction Evento futuro Qual a probabilidade do evento?

Modelos sequenciais Série x_(1:T) ou z_(1:T) Como o estado evolui?

Textual analysis Documento O que o texto informa?

Detecção de fraude via ML Classe de irregularidade Há padrão associado à fraude?

SupTech Entidade / risco supervisor Onde concentrar atenção?

Anomalia coletiva (Chandola et al., 2009) Coleção de instâncias relacionadas A ocorrência conjunta é anômala, mesmo que cada ponto não o seja?

Trajectory outlier detection (Lee, Han e Li, 2008; sucessores) Trajetória / subtrajetória espacial ou sequencial Esta trajetória (ou parte dela) é atípica frente ao conjunto?

Survival analysis / hazard dinâmico Tempo até evento Qual o risco acumulado de transição para o evento?

STEPA Trajetória τ_t A trajetória se afastou persistentemente da referência antes de t_0?

A diferença entre essas abordagens não está necessariamente no uso de aprendizado de máquina, representação latente ou informação temporal, elementos presentes em diferentes linhas da literatura. A distinção proposta pelo STEPA está na combinação entre a unidade de análise, a referência utilizada e o critério de sinalização: uma trajetória individual de um emissor é comparada a uma família contextual de trajetórias de referência, e o interesse experimental está na persistência dessa divergência e em sua antecedência em relação a um evento externo.

O STEPA, portanto, não reivindica exclusividade sobre representação temporal, detecção de anomalias ou aprendizado preditivo. A contribuição está na formulação desses elementos como um problema específico de inteligência regulatória: aprender e monitorar a dinâmica estrutural de organizações a partir de observações documentais longitudinais.

6.1 Detecção de anomalias A literatura de detecção de anomalias procura identificar observações ou padrões que se afastam de uma referência estatística, geométrica ou distribucional. Revisões como Chandola, Banerjee e Kumar (2009) e trabalhos posteriores organizam diferentes estratégias para identificar comportamentos incomuns.

O STEPA compartilha com essa literatura a preocupação com afastamentos, mas desloca a unidade de análise de uma observação pontual para uma trajetória. O objetivo não é simplesmente perguntar se z_t é incomum, mas avaliar se a sequência τ_t se afasta persistentemente de um conjunto contextual de trajetórias de referência.

Essa diferença é importante porque uma deterioração gradual pode não produzir um outlier extremo em cada instante. Da mesma forma, uma alteração sistêmica pode produzir observações incomuns simultaneamente em muitos emissores sem representar deterioração idiossincrática de cada trajetória.

6.1.1 Anomalia coletiva, trajectory outliers e o recorte do STEPA A formulação “trajetória comparada a um conjunto de referência” não é, por si só, inédita. Chandola, Banerjee e Kumar (2009) classificam como anomalia coletiva o caso em que um conjunto de instâncias relacionadas é anômalo em conjunto, ainda que cada instância isolada não o seja. Lee, Han e Li (2008) formalizam trajectory outlier detection — o framework partition-and-detect e o algoritmo TRAOD — para identificar trajetórias ou subtrajetórias atípicas frente a um banco de trajetórias. Trabalhos posteriores exploram variantes baseadas em densidade, frequência e conjuntos de referência. O STEPA situa-se nessa vizinhança e precisa ser confrontado com ela de modo explícito.

O que é compartilhado. (i) a unidade de análise pode ser uma sequência, não um ponto; (ii) a decisão depende de uma referência construída a partir de outras trajetórias; (iii) o interesse pode estar em subestruturas persistentes, e não em um único outlier extremo.

O que não é idêntico.

Domínio e semântica da trajetória. TRAOD e boa parte da literatura de trajectory outliers tratam trajetórias espaciais ou de movimento — partições geométricas, densidade local de segmentos. No STEPA, τₜ = (zₜ₋w₊₁, …, zₜ) é uma trajetória estrutural no espaço de representação de um emissor, induzida a partir de documentos regulatórios longitudinais — não uma polilinha geográfica.

Critério experimental. Trajectory outlier detection tipicamente pergunta se a trajetória é atípica. O STEPA pergunta se a divergência D(τₜ; ℛ) é persistente e se antecede um evento externo t₀ datado independentemente. Atipicidade sem persistência e sem vínculo a t₀ não satisfaz H1.

Referência contextual e ausência de look-ahead. ℛ é uma família de trajetórias de estabilidade construída apenas com informação disponível até a data de corte, sob separação temporal estrita. Muitos detectores de outlier de trajetória assumem um banco estático de trajetórias “normais”, sem esse protocolo de não contaminação por eventos futuros.

Discriminação de três regimes. O protocolo exige distinguir outlier pontual, choque sistêmico — muitos emissores divergindo em conjunto — e deterioração idiossincrática persistente. Essa tricotomia é requisito de fecundidade supervisora; não é o núcleo clássico de TRAOD.

Objeto não é rótulo de fraude ou falência. Survival analysis e hazard dinâmico modelam tempo até evento. O STEPA usa o evento apenas como âncora externa de avaliação; o objeto primário permanece a dinâmica de τₜ.

Em síntese: o STEPA recombina ideias da anomalia coletiva e da detecção de trajectory outliers, mas a contribuição reivindicada não é “detectar trajetória atípica”. É formular e tornar falsificável, no domínio de SupTech para emissores, o problema de divergência persistente de trajetória estrutural documental antes de um evento externo, com protocolo de anti-look-ahead e separação entre fenômeno, sinal e evento.

A originalidade, portanto, é de enquadramento e protocolo — honestamente de recombinação, como já reconhecido na seção 5.3 — e não a invenção isolada da ideia de comparar sequências a uma referência.

6.2 Distress financeiro e previsão de eventos A literatura clássica de previsão de distress financeiro possui uma tradição consolidada. Altman (1968) utilizou análise discriminante e indicadores financeiros para a previsão de falência corporativa. Ohlson (1980) formulou um modelo probabilístico de previsão de bankruptcy. Campbell, Hilscher e Szilagyi (2008) desenvolveram uma abordagem dinâmica baseada em variáveis contábeis e de mercado para estimar a probabilidade de falência.

Essas abordagens possuem uma característica comum relevante para a comparação: o evento futuro constitui o objeto preditivo. A questão é, em diferentes formulações, estimar a probabilidade ou classificação associada à ocorrência de uma condição de distress.

O STEPA formula o problema de maneira diferente. O evento é utilizado como referência externa t_0 para medir antecedência, enquanto o objeto primário é a trajetória estrutural τ_t. Em vez de definir o modelo diretamente como uma função P("distress" ∣x_t ), a proposta investiga se a dinâmica estrutural do emissor apresenta divergência persistente antes do evento.

Essa distinção não implica superioridade de uma abordagem sobre outra. Trata-se de diferenças no objeto preditivo e no desenho experimental.

A literatura recente reforça o uso de deep learning e de divulgações textuais para early warning de distress, ainda majoritariamente no eixo evento-como-alvo. Mai et al. (2019) mostram ganhos preditivos ao combinar disclosures textuais com variáveis contábeis e de mercado. Kim e Yoon (2021) empregam um BERT adaptado ao domínio financeiro sobre seções narrativas de relatórios para previsão de bankruptcy. Arno et al. (2024) propõem um modelo multimodal que combina dados numéricos e texto de relatórios anuais sobre o conjunto ECL. Wang et al. (2025) reportam uma rede neural de fusão sobre dados de relatórios anuais multiperíodo para previsão de dificuldade financeira corporativa.

Esses trabalhos confirmam que os filings carregam sinal relevante. O STEPA dialoga com eles, mas não formula o problema como uma estimativa direta de P(evento | xₜ). O evento entra como t₀ externo; o objeto permanece a trajetória τₜ e a persistência da divergência D(τₜ; ℛ).

6.3 Análise textual de divulgações corporativas A análise textual de documentos financeiros demonstrou que informações linguísticas podem carregar conteúdo econômico relevante. Loughran e McDonald (2011), por exemplo, mostram que a interpretação do vocabulário financeiro exige tratamento específico e relacionam características textuais de 10-Ks a variáveis econômicas e de mercado.

Essa literatura sustenta uma premissa importante para o STEPA: documentos regulatórios não constituem apenas arquivos textuais, mas podem conter informação economicamente relevante sobre a organização.

O STEPA acrescenta uma dimensão longitudinal. O documento não é tratado apenas como uma unidade textual independente associada a um período. Documentos recorrentes são considerados observações de um mesmo sistema organizacional, cuja sequência pode revelar uma trajetória.

Portanto, sequenciar documentos ou utilizar embeddings textuais, por si só, não define o STEPA. A proposta depende da transformação dessas observações em uma trajetória individual e da avaliação da divergência dessa trajetória em relação a uma referência contextual.

Abordagens recentes de early warning baseadas em fatores de risco (risk factors) e em novidade textual relativa a pares setoriais — tipicamente aplicadas sobre formulários 10-K — reforçam o valor longitudinal do texto, mas otimizam recall e precisão de falência como alvo direto, e não o protocolo de divergência persistente contra um conjunto de referência ℛ contextual com controle de look-ahead regulatório.

6.4 Detecção de fraude por aprendizado de máquina Bao et al. (2020) demonstram como métodos de aprendizado de máquina podem ser empregados na identificação de padrões associados à fraude contábil em empresas públicas norte-americanas. Esse trabalho é relevante para o presente estudo porque mostra que informação pública e variáveis financeiras podem ser utilizadas para identificar padrões associados a irregularidades.

O STEPA, contudo, não utiliza fraude como variável-alvo. Uma irregularidade pode constituir uma das possíveis causas ou manifestações de alteração estrutural, mas não é necessário que o modelo determine sua causa para testar a hipótese sobre trajetória.

A diferença é fundamental: o objetivo não é estimar P("fraude" ), mas investigar se a trajetória estrutural apresenta divergência persistente antes de um evento observável.

6.5 Modelos sequenciais Modelos temporais, desde arquiteturas recorrentes como LSTM (Hochreiter e Schmidhuber, 1997) até arquiteturas baseadas em atenção, como Transformers (Vaswani et al., 2017), permitem modelar dependências ao longo de sequências.

O STEPA compartilha o interesse pela dimensão temporal, mas a existência de uma sequência não é, por si só, sua contribuição distintiva. A unidade de análise proposta é a trajetória estrutural τ_t, e a avaliação está vinculada à divergência em relação a um conjunto de referência e à persistência desse afastamento.

A diferença, portanto, não deve ser entendida como “modelos temporais não utilizam trajetória”. Eles evidentemente utilizam sequências. A questão é qual objeto a sequência representa, qual referência é utilizada para sua interpretação e qual propriedade temporal é testada.

6.6 Inteligência regulatória e SupTech O STEPA insere-se na agenda de Supervisory Technology (SupTech). Prenio e Broeders (2018) documentam usos iniciais de SupTech por autoridades supervisoras, com ênfase em coleta e análise de dados e em ganhos de efetividade da supervisão. O Financial Stability Board (2020) mapeia desenvolvimentos de SupTech e RegTech e discute suas implicações para a estabilidade financeira, incluindo o potencial para vigilância e indicadores mais prospectivos de risco.

No Brasil, a CVM organiza sua atuação por meio da Supervisão Baseada em Risco (SBR), estruturada em planos bienais que explicitam prioridades de risco e a necessidade de direcionar a atenção supervisora de forma proporcional diante de recursos limitados frente a um universo de centenas de emissores. O Plano Bienal de Supervisão Baseada em Risco 2023-2024 e sua atualização para o biênio 2025-2026 formalizam essa lógica de priorização (CVM, 2023; CVM, 2024).

Esse enquadramento institucional torna pertinente um sinal de priorização por trajetória, anterior à decisão regulatória: ele não substitui o analista, mas pode reduzir o custo de varrer um universo amplo de emissores com documentação periódica. Nesse sentido, o STEPA pode ser entendido como uma camada anterior à priorização supervisora. Em vez de começar pela pergunta “quais entidades devem receber atenção?”, a proposta investiga primeiro “quais trajetórias estão apresentando mudanças persistentes que justificam atenção?”.

7. Arquitetura conceitual do STEPA

7.1 Representação das observações Considere-se um emissor observado ao longo do tempo. Para cada período t, existe um conjunto de informações públicas disponíveis até aquele instante, representado genericamente por X_(≤t).

A arquitetura produz uma representação:

z_t=ϕ(X_(≤t) ) em que z_t representa o estado do emissor no espaço de representação Z.

A função ϕ constitui uma etapa de aprendizado. Sua forma específica, variáveis derivadas e configuração não são detalhadas neste trabalho.

O princípio metodológico é que a representação deve preservar relações relevantes para a evolução estrutural do emissor, em vez de simplesmente reproduzir ou classificar o conteúdo bruto das observações.

7.2 Objetivo de aprendizado Em termos abstratos, o aprendizado do STEPA pode ser descrito como a indução de uma representação ϕ capaz de preservar, no espaço latente, relações preditivas relevantes para a evolução estrutural observada.

Dada uma sequência de observações X_(1:T), busca-se obter uma representação Z_(1:T)=ϕ(X_(1:T) ) na qual estados estruturalmente relacionados apresentem uma organização compatível com sua evolução temporal.

O objetivo de aprendizado pode ser representado genericamente por:

ϕ^*=arg min┬ϕ L_pred (ϕ;X_(1:T) ) em que L_pred representa uma função objetivo de aprendizado preditivo de representações. A forma específica dessa função, sua composição, parametrização e procedimento de otimização permanecem fora do escopo público deste trabalho.

A publicação dessa formulação explicita a natureza do problema: o STEPA não é definido pela aplicação de um algoritmo de detecção de outliers sobre indicadores previamente construídos. Sua primeira etapa é um problema de aprendizado de representação orientado à preservação de relações temporais relevantes.

7.3 Trajetória e referência de estabilidade A partir dos estados z_t, define-se a trajetória:

τ_t=(z_(t-w+1),…,z_t ).

A referência não corresponde a um único ponto universal no espaço de representação. O conjunto R é uma família contextual de trajetórias compatíveis com estabilidade segundo as regras estabelecidas no protocolo.

A referência de trajetória saudável não é universal entre setores e portes. O que se busca aprender é uma dinâmica compatível com estabilidade estrutural no contexto do emissor, e não um único padrão normativo para todo o mercado.

Referência de estabilidade e ausência de look-ahead A construção de R utiliza apenas emissores e períodos pertencentes ao conjunto de treinamento e que, na data de corte, satisfazem a definição de estabilidade estabelecida no protocolo.

Emissores que apresentam um evento posteriormente podem participar da avaliação retrospectiva, mas não podem ser utilizados para alterar retroativamente a referência construída no treinamento.

Assim, “estável no treino” é um predicado temporal do protocolo, e não um rótulo causal atribuído posteriormente. A pertinência à referência depende da ausência de evento dentro do horizonte H previamente definido a partir da fronteira temporal do treinamento.

A mesma restrição vale para a construção de z_t e τ_t: em cada instante t, somente informações com disponibilidade menor ou igual a t podem ser utilizadas.

7.4 Unidade de análise e divergência A unidade científica do STEPA é:

τ_t=(z_(t-w+1),…,z_t ), e não o estado pontual z_t.

A divergência é formalizada como:

D_t=D(τ_t;R)≥0.

A função D resume o afastamento da trajetória em relação ao conjunto de referência e pode depender de propriedades de posição, direção e evolução da trajetória. Sua forma fechada e parametrização específica permanecem proprietárias.

O sinal de interesse não é um valor elevado de D_t em um único período. A sinalização depende da persistência temporal da divergência segundo uma regra definida previamente.

STEPA versus drift detection A diferença pode ser expressa formalmente. Seja P_W a lei empírica dos estados {z_s:s∈W} observados em uma janela W. Um problema convencional de drift detection pergunta se:

P_(W_1 )≠P_(W_2 ).

O objeto é a mudança distribucional entre janelas.

O STEPA formula uma pergunta diferente:

D(τ_t;R) é persistente para a trajetória individual do emissor?

Uma mudança sistêmica pode deslocar P_W sem produzir divergência idiossincrática persistente para cada emissor. Da mesma forma, uma deterioração gradual pode aumentar D_t ao longo do tempo sem produzir um outlier marginal extremo em cada instante.

A distinção pública e formalizável está, portanto, no par:

(τ_t,D(τ_t;R)).

Esse par constitui o objeto de antecipação investigado pelo STEPA, distinguindo-se tanto da raridade de z_t quanto da mudança de uma distribuição P_W.

A indução de ϕ, a geometria interna de R e a forma específica de D permanecem proprietárias; o protocolo público opera sobre o conceito de trajetória, divergência, persistência e antecedência em relação a t_0.

7.5 Contexto econômico e de mercado Mudanças no regime econômico e de mercado podem alterar simultaneamente indicadores de muitas organizações. Choques sistêmicos podem modificar o comportamento observado de emissores sem que isso represente necessariamente deterioração estrutural idiossincrática.

Por essa razão, o contexto sistêmico é tratado como informação contextual para a interpretação da trajetória, e não como sinônimo de fragilidade. O objetivo é evitar que movimentos comuns ao ambiente econômico sejam interpretados automaticamente como desvios específicos do emissor.

A forma específica pela qual o contexto econômico e de mercado participa da representação e da interpretação da trajetória permanece proprietária.

7.6 Determinismo e auditabilidade Uma propriedade metodológica importante da proposta é a separação entre aprendizado de representação e geração de linguagem. Os sinais numéricos e a classificação de divergência produzidos pela arquitetura são determinísticos em relação aos dados de entrada e à versão do modelo: o mesmo input, sob a mesma versão, produz o mesmo output.

Qualquer camada conversacional eventualmente associada à aplicação não calcula, não estima e não altera esses valores; apenas organiza evidências já estruturadas para o analista. Essa separação é essencial para auditabilidade em contexto regulatório, no qual a explicação textual não pode modificar o sinal quantitativo que sustenta a análise.

8. Documentos regulatórios como informação estrutural

Uma premissa importante do STEPA é que documentos regulatórios não são tratados simplesmente como um corpus textual.

Documentos periódicos, demonstrações, fatos relevantes e outras divulgações constituem registros de diferentes aspectos da organização ao longo do tempo. Alterações na forma de divulgação, na combinação de informações financeiras, na estrutura de obrigações e em outros elementos observáveis podem adquirir significado quando analisadas longitudinalmente.

Essa perspectiva não pressupõe que todo documento contenha diretamente um indicador de fragilidade. Ao contrário, a hipótese depende justamente da combinação de sinais parciais. Uma observação isolada pode ser pouco informativa; a sequência de observações pode ser mais reveladora.

O desenho reconhece ainda a observabilidade parcial típica do domínio: séries relativamente curtas, períodos com informação incompleta e heterogeneidade documental entre emissores. Observações com qualidade insuficiente não devem ser tratadas como equivalentes às demais. A pesquisa trata a qualidade da observação como parte do problema experimental — e não como detalhe de engenharia a ser resolvido por imputação silenciosa.

Essa escolha é relevante porque evita uma falsa precisão. A ausência de informação não deve ser automaticamente interpretada como estabilidade, assim como uma alteração documental não deve ser automaticamente interpretada como deterioração.

A representação longitudinal busca, portanto, transformar informação pública heterogênea em uma sequência de observações comparáveis, preservando a incerteza decorrente da observabilidade parcial.

9. Desenho da pesquisa

9.1 Universo de análise O estudo opera sobre informações públicas de companhias abertas brasileiras disponibilizadas pela CVM (DFP, ITR e FRE). A caracterização a seguir distingue três planos: o universo documental disponível, os critérios de elegibilidade para formar uma trajetória analisável e o estado atual do pipeline experimental. Essa distinção responde à exigência de contato empírico sem confundir disponibilidade de dados com resultado validado de antecedência.

Universo documental disponível (DFP, cadastro anual) A tabela a seguir reporta a contagem de códigos CVM distintos nos arquivos públicos de DFP utilizados neste programa de pesquisa:

Ano-base DFP Emissores distintos (CD_CVM) Registros de documento 2017 632 793 2018 630 828 2019 670 816 2020 731 891 2021 766 947 2022 729 935 2023 732 893 No conjunto 2017–2023, há 952 códigos CVM distintos com pelo menos um DFP no acervo local. A janela temporal de interesse do protocolo é 2010–2024 para variáveis macroeconômicas e de contexto de mercado; a janela documental processável no acervo atual de demonstrações é 2017–2023, com extensão prevista para anos anteriores quando a cobertura for completada.

Critérios de elegibilidade para formar trajetória Um emissor entra no corpus analítico apenas se, na data de corte do experimento:

for não financeiro (bancos, seguradoras e financeiras são tratados em protocolo separado);

possuir série longitudinal com mínimo de 10 trimestres observáveis;

apresentar menos de 30% de trimestres com ausência material de observação — acima disso, o intervalo é marcado como insuficiente/inconclusivo e não alimenta a referência ℛ;

não pertencer ao conjunto de holdout de teste, quando o objetivo for construir ℛ.

Esses critérios transformam o universo documental — aproximadamente 600 a 760 emissores por ano — em um subconjunto elegível menor. A contagem final do subconjunto elegível será reportada na validação completa; neste estágio, o trabalho fixa os critérios e a base bruta sobre a qual eles operam.

Estado atual do pipeline (contato empírico verificável) Até a data deste manuscrito, o pipeline longitudinal completo — extração, construção do vetor de observação e composição da série temporal — está operacionalizado de ponta a ponta para o caso-piloto Americanas S.A. (CD_CVM 20990):

1 emissor processado de ponta a ponta;

28 snapshots trimestrais (ITR/DFP) cobrindo 2017-Q1 a 2023-Q4;

t₀ externo fixado em 11/01/2023 (Fato Relevante);

variáveis macroeconômicas de contexto disponíveis em série trimestral de 2010-Q1 a 2024-Q4 (60 observações).

Esse piloto não constitui resultado de antecedência. Constitui evidência de que o protocolo de observação longitudinal é operacionalizável sobre documentos públicos reais e de que a série do emissor de teste possui comprimento suficiente para avaliar τₜ antes de t₀.

Inventário de eventos por classe do protocolo O protocolo define cinco classes de evento de fragilidade (definição operacional da seção 4.3). A tabela a seguir reporta o inventário-semente de eventos públicos com data verificável, utilizado para calibrar a taxonomia e o procedimento de datação. Trata-se de caracterização do material empírico de avaliação, não de resultado do STEPA.

Classe Definição operacional (resumo) n (versão atual) Exemplos públicos com t₀ C1 Inconsistências contábeis materiais / restatement ou divulgação equivalente 1 Americanas S.A. — 11/01/2023 (Fato Relevante) C2 Recuperação judicial ou falência 4 Oi S.A. — jun/2016; OGX — out/2013; Celpa — jan/2012; Lupatech — 2014 C3 Default ou reestruturação de dívida anunciada 1 Sete Brasil — 2015 (evento de estresse de dívida/estrutura) C4 Intervenção ou liquidação por autoridade — Fora do escopo empírico desta versão (classe prevista no protocolo; censo posterior) C5 Delisting associado a deterioração econômica ou regulatória — Fora do escopo empírico desta versão (classe prevista no protocolo; censo posterior) Escopo desta versão. O inventário empírico reportado limita-se a C1–C3, com 6 episódios públicos datados. C4 e C5 permanecem no protocolo como classes admissíveis, mas não são inventariadas nesta versão — o que evita tanto a marca de trabalho incompleto quanto a publicação de um corpus rotulado amplo.

Regra de contagem. Cada episódio recebe uma única classe primária — a primeira que se manifesta publicamente. Eventos subsequentes do mesmo episódio não deslocam t₀. Americanas permanece holdout de teste e não entra na construção de ℛ.

O que este trabalho ainda não reporta, de propósito. Taxa de verdadeiro positivo, horizonte médio de antecedência, área sob a curva ROC ou comparação numérica contra baseline. Esses números somente serão afirmados após a validação temporal completa (seções 10 e 15). O enriquecimento empírico desta versão é a caracterização verificável do corpus e do inventário de eventos — condição necessária para que outro pesquisador reproduza o desenho.

9.2 Informação disponível no momento da decisão Para cada instante t, a representação somente pode utilizar informação cuja disponibilidade pública seja menor ou igual a t.

Essa regra impede que informações divulgadas posteriormente contaminem estados anteriores e constitui uma condição fundamental de validade experimental.

O princípio pode ser resumido por:

X_t=X_(≤t)^public.

Nenhuma observação posterior a t pode contribuir para a construção de τ_t.

9.3 Heterogeneidade entre emissores Emissores não possuem estruturas econômico-financeiras idênticas. Setores, portes, modelos de negócio, estruturas de capital e regimes regulatórios produzem trajetórias distintas.

Por isso, a referência R não deve ser interpretada como um padrão único de “empresa saudável”. O objetivo é representar trajetórias compatíveis com estabilidade dentro de contextos comparáveis e avaliar desvios persistentes da dinâmica esperada para cada contexto.

9.4 Observabilidade parcial A informação regulatória é necessariamente incompleta. Nem todos os emissores apresentam a mesma profundidade documental, periodicidade ou qualidade informacional em todos os períodos.

Essa característica precisa ser tratada como variável experimental, e não apenas como problema de engenharia. O protocolo deve distinguir entre ausência de evidência, evidência de ausência e observação insuficiente para interpretação.

A pesquisa, portanto, não assume que uma série incompleta seja equivalente a uma série completa.

10. Desenho experimental

10.1 Separação temporal A avaliação segue uma separação temporal estrita entre treinamento, validação e teste.

O princípio é:

T_train<T_validation<T_test.

Nenhum período posterior pode influenciar a construção da representação ou da referência utilizada para períodos anteriores.

Essa escolha é particularmente importante porque a tarefa investigada é temporal. Uma validação aleatória poderia permitir que informações estruturalmente próximas do evento futuro aparecessem simultaneamente em treinamento e teste, produzindo estimativas excessivamente otimistas.

10.2 Evento de referência e instante t_0 Para evitar ambiguidade na avaliação da antecedência, o protocolo estabelece previamente um evento de referência observável e uma regra objetiva para sua datação.

O instante t_0 corresponde à primeira data pública em que o evento de fragilidade definido pelo protocolo se torna formalmente observável por meio de uma fonte externa ao modelo, independentemente do sinal produzido pelo STEPA.

A utilização da primeira manifestação pública do evento, em vez da data de uma classificação produzida pelo próprio modelo, evita circularidade na avaliação.

No caso de múltiplas divulgações relacionadas ao mesmo episódio, a primeira que satisfizer a definição do evento determina t_0. Conclusões investigativas posteriores podem fornecer contexto, mas não alteram retroativamente a data do evento.

10.3 Antecedência Se t_d representa o primeiro instante em que a trajetória atende ao critério experimental de divergência persistente e t_0 representa a data do evento externo, a antecedência pode ser expressa como:

L=t_0-t_d.

A métrica primária da investigação é, portanto, a capacidade de identificar divergência persistente antes de t_0, e não simplesmente a classificação correta no instante do evento.

Este trabalho não afirma um horizonte específico de antecedência como resultado validado. Múltiplos horizontes temporais fazem parte do desenho e da avaliação da hipótese. A antecedência efetivamente alcançada somente poderá ser afirmada depois da validação completa.

10.4 Critérios secundários Além da antecedência, a avaliação considera:

frequência de sinais persistentes em emissores sem evento;

estabilidade do sinal ao longo do tempo;

comportamento diante de choques sistêmicos;

consistência entre diferentes emissores;

capacidade de generalização temporal;

sensibilidade à qualidade e disponibilidade das observações.

Essas métricas complementam a antecedência porque um sistema que produz sinais antecipados em praticamente todas as organizações não fornece evidência útil de discriminação estrutural.

10.5 Ausência de look-ahead A regra de ausência de look-ahead é aplicada em três níveis.

Primeiro, cada estado z_t utiliza somente informação disponível até t.

Segundo, a trajetória τ_t utiliza somente os estados correspondentes a períodos anteriores ou iguais a t.

Terceiro, a composição da referência R é determinada pela regra temporal estabelecida antes do experimento e não é corrigida retrospectivamente com base em eventos posteriores.

Essa separação permite que a avaliação reproduza a informação que estaria efetivamente disponível a um sistema de supervisão no momento da análise.

10.6 Americanas como referência de teste O caso Americanas é particularmente útil como referência porque possui uma data pública clara para o evento inicial: 11/01/2023.

O fato relevante divulgado nessa data constitui t_0 para o protocolo. A existência de investigações e conclusões posteriores não modifica essa data.

O caso não é tratado como evidência de que o STEPA já teria produzido determinado sinal antes do evento. Sua função é permitir uma avaliação retrospectiva segundo o protocolo definido, sem contaminar o treinamento.

11. Evidência preliminar e status experimental

O presente trabalho deve distinguir explicitamente três categorias de evidência.

Evidência motivadora Os casos históricos apresentados na seção 3 justificam a pergunta de pesquisa. Eles demonstram que eventos relevantes podem envolver informações distribuídas ao longo do tempo, mas não demonstram que o STEPA os teria antecipado.

Evidência empírica de operacionalização (reportada aqui) Observações factuais já verificáveis neste estágio:

Corpus documental: 952 emissores distintos com DFP no acervo 2017–2023; tipicamente 630 a 766 por ano.

Série piloto: Americanas com 28 trimestres processados (2017–2023) e t₀ = 11/01/2023.

Macros de contexto: 60 trimestres (2010–2024) alinháveis à série do emissor.

Inventário empírico desta versão: 6 episódios públicos datados em C1–C3; C4–C5 previstos no protocolo, fora do censo desta versão.

Separação experimental: Americanas excluída de qualquer construção da referência ℛ.

Esses itens são contagens e datas, não inferências de desempenho.

Resultado validado Um resultado somente será considerado validado quando obtido sob o protocolo temporal completo, com separação entre treinamento e avaliação, definição prévia dos eventos, controle de look-ahead, análise de não-eventos e métricas previamente estabelecidas.

Consequentemente, este trabalho não afirma horizonte de antecedência nem taxa de acerto como resultado validado. Afirma, isso sim, que o material empírico necessário para o teste foi caracterizado — em corpus, janela temporal e inventário de eventos — e que o caso-piloto longitudinal está construído. A validação completa permanece parte do programa experimental (seção 15).

Essa distinção é essencial para evitar que um caso retrospectivo seja apresentado como demonstração de desempenho.

12. Discussão

12.1 A trajetória como unidade de análise A principal mudança conceitual proposta pelo STEPA é deslocar a unidade de análise do estado para a trajetória.

Isso permite investigar fenômenos que se manifestam gradualmente. Uma organização pode permanecer em uma região aparentemente normal do espaço de estados durante vários períodos, enquanto a direção e a velocidade de sua evolução começam a mudar.

A trajetória, portanto, não substitui o estado. Ela organiza os estados em uma estrutura temporal que permite interpretar sua evolução.

12.2 Trajetória estrutural versus anomalia Uma observação pode ser incomum sem representar deterioração. Da mesma forma, uma deterioração pode ser gradual sem produzir observações extremas.

A proposta do STEPA procura justamente explorar essa diferença. O sinal de interesse é a divergência persistente de uma trajetória individual, não a raridade de um ponto isolado.

Essa propriedade permite tratar como fenômenos distintos:

uma observação pontualmente anômala;

uma mudança sistêmica compartilhada por várias organizações;

uma alteração persistente da trajetória de um emissor.

A distinção entre esses fenômenos é central para a utilidade regulatória da proposta.

Em particular, reduzir o STEPA a “mais um detector de anomalia coletiva” apaga o protocolo de antecedência e a tricotomia pontual/sistêmico/idiossincrático, que são exatamente os elementos que tornam H1 testável em um contexto de supervisão (ver seção 6.1.1).

12.3 Contexto sistêmico O ambiente econômico pode mudar simultaneamente o comportamento de diversas organizações. Uma elevação generalizada do custo de financiamento, por exemplo, pode alterar liquidez e estrutura de capital em diferentes setores.

O modelo, portanto, não deve interpretar automaticamente uma mudança comum como deterioração idiossincrática. O contexto deve ser considerado para distinguir movimentos associados ao regime geral daqueles que caracterizam divergência específica da trajetória.

12.4 Determinismo e camada de linguagem Em um ambiente regulatório, a existência de uma camada generativa não deve comprometer a auditabilidade do sinal quantitativo.

Por essa razão, o STEPA separa o cálculo do sinal da eventual geração de linguagem. A classificação e os valores numéricos são produzidos pela arquitetura e permanecem invariantes para uma mesma entrada e versão do modelo. Uma camada conversacional pode organizar evidências e produzir explicações em linguagem natural, mas não pode alterar a avaliação quantitativa.

Essa separação permite que o sistema combine automação com rastreabilidade sem transformar a linguagem gerada em componente oculto da decisão quantitativa.

12.5 Fragilidade não é fraude A arquitetura não é definida como detector de fraude.

Fraude pode ser uma causa ou manifestação de uma alteração estrutural, mas também existem trajetórias de fragilidade decorrentes de deterioração operacional, estrutura de capital, liquidez, governança, condições de mercado ou outros fatores.

O objeto do STEPA é anterior à classificação causal: identificar se a dinâmica observada de uma organização está se afastando persistentemente de uma referência de estabilidade.

A explicação sobre a causa dessa divergência permanece uma questão para investigação humana e para outras ferramentas analíticas.

12.6 STEPA não substitui o analista A saída da arquitetura deve ser interpretada como evidência estruturada para priorização e investigação, e não como decisão regulatória autônoma.

O analista continua responsável por avaliar contexto, evidências documentais, explicações alternativas, materialidade e implicações institucionais.

Essa característica é particularmente importante em situações nas quais uma mesma trajetória pode admitir diferentes explicações causais.

13. STEPA e StructureWatch

STEPA e StructureWatch correspondem a níveis diferentes da mesma proposta. STEPA é a arquitetura científica destinada ao aprendizado e à análise de trajetórias estruturais. StructureWatch é a aplicação dessa arquitetura ao problema específico da supervisão de emissores no mercado de capitais.

Figura 2: Relação entre a arquitetura STEPA e a aplicação StructureWatch. Fonte: Elaboração própria.

O STEPA constitui a arquitetura científica responsável pela representação das observações longitudinais, análise de trajetórias estruturais e identificação de divergências. O StructureWatch operacionaliza essas evidências como uma camada de inteligência regulatória, organizando sinais, contexto e evidências para suporte à análise.

Essa separação permite preservar a generalidade conceitual do método. O problema estudado — aprender trajetórias estruturais a partir de observações parciais de sistemas complexos — pode possuir aplicações além do mercado de capitais. Supervisão bancária, cadeias de suprimentos e monitoramento de infraestrutura são exemplos de domínios nos quais a dinâmica de um sistema pode ser mais informativa do que seu estado isolado.

No contexto específico do StructureWatch, a arquitetura é utilizada para organizar sinais quantitativos e evidências temporais para supervisão de emissores. O produto acrescenta a camada de inteligência regulatória necessária para transformar esses sinais em informação operacional para o analista.

Essa separação também preserva a distinção entre contribuição científica e aplicação comercial. O STEPA constitui o método; StructureWatch constitui uma instância aplicada do método em um domínio específico.

14. Limitações

A primeira limitação é o tamanho e a composição do corpus disponível. O número de emissores com séries suficientemente longas e documentações comparáveis é limitado, e eventos de fragilidade são relativamente raros. Isso reduz o poder estatístico de avaliações iniciais.

A segunda limitação é a observabilidade parcial. Documentos regulatórios não representam integralmente o estado de uma organização. Uma ausência de informação pode refletir ausência de divulgação, periodicidade documental ou limitações do corpus, e não necessariamente estabilidade.

A terceira limitação é a heterogeneidade entre setores e portes. Uma trajetória compatível com estabilidade em determinado setor pode não ser apropriada para outro. O conjunto de referência precisa, portanto, ser contextualizado.

A quarta limitação está na interpretação causal. Mesmo que uma divergência persistente seja identificada antes de um evento, isso não significa que o sinal explique sua causa. O STEPA foi concebido para identificar dinâmica estrutural, não para estabelecer causalidade.

A quinta limitação é a necessidade de validação externa. Um sinal estatisticamente consistente em um corpus histórico não garante automaticamente desempenho futuro. A generalização para novos emissores, períodos e regimes econômicos precisa ser avaliada separadamente.

Finalmente, a validação experimental completa ainda está em andamento. Por essa razão, o presente trabalho não apresenta uma alegação final de antecedência nem um horizonte temporal definitivo de desempenho.

15. Próximas etapas de validação

A próxima etapa consiste em completar a avaliação temporal segundo o protocolo definido.

O primeiro passo é executar a avaliação fora da amostra, preservando a separação temporal e a disponibilidade de informação em cada instante.

O segundo é comparar o comportamento do STEPA com referências metodológicas relevantes, incluindo abordagens de detecção de anomalias, modelos tradicionais de distress e modelos temporais aplicados às mesmas informações disponíveis.

O terceiro é avaliar a taxa de sinais persistentes entre emissores sem evento, evitando que a antecipação aparente seja consequência de uma sinalização excessivamente ampla.

O quarto é testar a estabilidade do sinal diante de diferentes regimes econômicos e de mercado, verificando se mudanças sistêmicas produzem aumento generalizado de divergência.

O quinto é avaliar generalização entre emissores, setores e períodos não utilizados na construção da referência.

Somente após essas etapas será possível afirmar empiricamente o horizonte de antecedência alcançado, a taxa de falsos positivos e a capacidade de generalização da arquitetura.

16. Conclusão

Este trabalho apresenta o STEPA como uma arquitetura de aprendizado preditivo de representações orientada ao estudo de trajetórias estruturais de emissores.

A proposta parte de uma distinção simples, mas fundamental: o estado de uma organização em determinado instante não é necessariamente equivalente à trajetória pela qual esse estado foi alcançado ou à direção em que está evoluindo. Ao tratar a trajetória τ_t como unidade de análise e a divergência D(τ_t;R) como objeto de monitoramento persistente, o trabalho formula uma hipótese distinta de classificação pontual, previsão direta de distress ou detecção de mudança distribucional.

A contribuição científica proposta não reside na reivindicação de exclusividade sobre aprendizado preditivo, representações latentes, modelos temporais ou detecção de anomalias. Ela está na formulação conjunta desses elementos como um problema de antecipação estrutural em inteligência regulatória: aprender uma representação longitudinal de organizações, comparar suas trajetórias com uma referência contextual e avaliar se divergências persistentes antecedem eventos externos de fragilidade.

A formulação também estabelece uma separação necessária entre fenômeno, sinal e evento. A fragilidade estrutural é tratada como condição latente; a divergência é um sinal quantitativo produzido pela arquitetura; e o evento de referência é determinado externamente ao modelo. Essa separação permite testar a hipótese sem definir a própria fragilidade pelo comportamento do sistema.

O STEPA, portanto, deve ser entendido como uma hipótese científica submetida a validação, e não como uma alegação de desempenho já estabelecida. O StructureWatch representa sua aplicação ao domínio da inteligência regulatória, enquanto a arquitetura conceitual pode ser investigada em outros sistemas complexos nos quais a dinâmica longitudinal seja mais informativa do que estados isolados.

A validação experimental completa determinará se essa hipótese se sustenta empiricamente e em que condições a trajetória estrutural fornece informação antecipatória útil para supervisão.

Referências AGGARWAL, C. C. Outlier Analysis. 2. ed. Cham: Springer, 2017.

ALTMAN, E. I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, v. 23, n. 4, p. 589–609, 1968.

ARNO, H.; MULIER, K.; BAECK, J.; DEMEESTER, T. From Numbers to Words: Multi-Modal Bankruptcy Prediction Using the ECL Dataset. In: WORKSHOP ON FINANCIAL TECHNOLOGY AND NATURAL LANGUAGE PROCESSING (FINNLP), 6., 2023, Bali, Indonésia. Proceedings of the Sixth Workshop on Financial Technology and Natural Language Processing. Stroudsburg, PA: Association for Computational Linguistics, 2023. p. 11–21. DOI: 10.18653/v1/2023.finnlp-2.2.

ASSRAN, M. et al. Self-Supervised Learning from Images with a Joint-Embedding Predictive Architecture. In: IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, 2023. Proceedings... [S. l.]: IEEE/CVF, 2023. p. 1-10.

BAO, Y.; KE, B.; LI, B.; YU, Y. J.; ZHANG, J. Detecting Accounting Fraud in Publicly Traded U.S. Firms Using a Machine Learning Approach. Journal of Accounting Research, v. 58, n. 1, p. 199–247, 2020.

CAMPBELL, J. Y.; HILSCHER, J.; SZILAGYI, J. In Search of Distress Risk. The Journal of Finance, v. 63, n. 6, p. 2899–2939, 2008.

CHANDOLA, V.; BANERJEE, A.; KUMAR, V. Anomaly Detection: A Survey. ACM Computing Surveys, v. 41, n. 3, art. 15, p. 1-58, 2009.

COMISSÃO DE VALORES MOBILIÁRIOS (CVM). Informações adicionais relativas à companhia aberta Americanas S.A. Rio de Janeiro: CVM, 2023. Disponível em: https://sistemas.cvm.gov.br/. Acesso em: 02 jun. 2026.

COMISSÃO DE VALORES MOBILIÁRIOS (CVM). Plano Bienal de Supervisão Baseada em Risco 2023-2024. Rio de Janeiro: CVM, 2023.

COMISSÃO DE VALORES MOBILIÁRIOS (CVM). Plano Bienal de Supervisão Baseada em Risco 2025-2026. Rio de Janeiro: CVM, 26 dez. 2024.

COMISSÃO DE VALORES MOBILIÁRIOS (CVM). CVM instaura dois novos inquéritos relacionados às fraudes no âmbito da companhia aberta Americanas S.A. — Em Recuperação Judicial. Rio de Janeiro: CVM, 30 jan. 2026. Disponível em: https://www.gov.br/cvm/pt-br/assuntos/noticias/2026/cvm-instaura-dois-novos-inqueritos-relacionados-as-fraudes-no-ambito-da-companhia-aberta-americanas-s-a-em-recuperacao-judicial. Acesso em: 02 jun. 2026.

FINANCIAL STABILITY BOARD (FSB). The Use of Supervisory and Regulatory Technology by Authorities and Regulated Institutions: Market Developments and Financial Stability Implications. Basel: FSB, 2020.

HOCHREITER, S.; SCHMIDHUBER, J. Long Short-Term Memory. Neural Computation, v. 9, n. 8, p. 1735–1780, 1997.

KIM, A. G.; YOON, S. Corporate Bankruptcy Prediction with Domain-Adapted BERT. In: PROCEEDINGS OF THE THIRD WORKSHOP ON ECONOMICS AND NATURAL LANGUAGE PROCESSING (ECONLP), 2021. Proceedings... [S. l.: s. n.], 2021. p. 26–36.

LECUN, Y. A Path Towards Autonomous Machine Intelligence. OpenReview, 2022. Disponível em: https://openreview.net/pdf?id=BZ5a1r-kVsf. Acesso em: 02 jun. 2026.

LEE, J.-G.; HAN, J.; LI, X. Trajectory Outlier Detection: A Partition-and-Detect Framework. In: IEEE INTERNATIONAL CONFERENCE ON DATA ENGINEERING (ICDE), 24., 2008. Proceedings... [S. l.]: IEEE, 2008. p. 140–149.

LOUGHRAN, T.; MCDONALD, B. When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-Ks. The Journal of Finance, v. 66, n. 1, p. 35–65, 2011.

MAI, F.; TIAN, S.; LEE, C.; MA, L. Deep learning models for bankruptcy prediction using textual disclosures. European Journal of Operational Research, v. 274, n. 2, p. 743–758, 2019.

OHLSON, J. A. Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, v. 18, n. 1, p. 109–131, 1980.

PRENIO, J.; BROEDERS, D. Innovative technology in financial supervision (suptech) — the experience of early users. FSI Insights No. 9. Basel: Bank for International Settlements, 2018.

VASWANI, A. et al. Attention Is All You Need. In: ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS, 30., 2017. Proceedings... [S. l.: s. n.], 2017. p. 5998–6008.

WANG, C.; GONG, P.; LI, J.; WANG, Z. Corporate financial distress prediction with multiperiod annual report data: A fusion deep neural network model. PLOS ONE, v. 20, n. 9, e0333064, sep. 2025.

Nota sobre escopo de divulgação Este trabalho publica a formulação científica do problema, suas definições operacionais, a unidade de análise, o conceito de divergência, o protocolo experimental e os critérios de avaliação.

Permanecem proprietários a forma específica da função objetivo, sua composição e parametrização, a arquitetura computacional, as variáveis derivadas, os hiperparâmetros, os pesos, os procedimentos de treinamento, as estratégias de otimização e demais elementos cuja divulgação permitiria reconstruir a implementação do STEPA.

A formulação pública de L_pred, τ_t, R, D_t e do protocolo de antecedência não constitui divulgação da implementação proprietária. Ela explicita o objeto científico necessário para que a hipótese possa ser compreendida, criticada e posteriormente falsificada.